非對(duì)稱人臉檢測(cè)算法的研究與實(shí)現(xiàn).pdf

1、近年來，人臉識(shí)別技術(shù)得到人們廣泛的關(guān)注，其在安防領(lǐng)域的普遍應(yīng)用，使得它已經(jīng)成為模式識(shí)別與計(jì)算機(jī)視覺中最熱門的研究課題之一。而人臉檢測(cè)是人臉識(shí)別的一項(xiàng)核心環(huán)節(jié)，也是典型的目標(biāo)檢測(cè)問題，其檢測(cè)率直接影響人臉識(shí)別系統(tǒng)的整體表現(xiàn)，所以近年來人臉檢測(cè)技術(shù)也受到了普遍重視。
　　本文研究了Viola和Jones所提出的AdaBoost算法，詳細(xì)闡述了其算法理論和實(shí)際應(yīng)用價(jià)值。針對(duì)人臉檢測(cè)中的非對(duì)稱問題，分析了線性非對(duì)稱分類器（LinearAs

2、ymmetric Classifier,LAC）算法解決此問題的有效性。本文實(shí)現(xiàn)了一種非對(duì)稱人臉檢測(cè)算法，該算法可以快速訓(xùn)練分類器，并以該分類器進(jìn)行人臉檢測(cè)。首先，通過使用AdaBoost快速訓(xùn)練算法，選擇適當(dāng)?shù)木匦翁卣髯鳛槿醴诸惼?，并?jì)算出該弱分類器的閾值，再使用LAC算法設(shè)定目標(biāo)學(xué)習(xí)式，通過目標(biāo)學(xué)習(xí)式將已選的矩形特征進(jìn)行線性組合，最后將所有強(qiáng)分類器組合成最終的人臉檢測(cè)分類器。該方法能有效降低分類器的訓(xùn)練時(shí)間，并解決人臉檢測(cè)中的非對(duì)稱